
 ç

 é
 á
amostragem
Amostra
2
, 
2
,X s


ç
ç



é
ç
ç



ç
á ç
í





População-alvo
População-
fonte

ç
ç é
ç
 ç
ç
ç

ç
ç é
ç
 ç
ç
ç

é í
ç
í ú

é ç
é
ó



 á é
é í
ç
 é ç
 é ç

•
•
•
•
•
















•



•


Um Exemplo:
Em uma população de 200 alunos, há 120 meninos e 80 meninas.
Extraia uma amostra representativa de 10% dessa população.
Nesse exemplo, há uma característica que permite identificar 2
subconjuntos, a característica sexo.
SEXO
POPULAÇÃO
AMOSTRA
(10%)
Masculino 120 12
Feminino 80 8
Total 200 20
- A amostra deve conter 12 alunos do sexo masculino e 8 do
sexo feminino, totalizando 20 alunos, que correspondem a 10%
da população.
Amostragem Estratificada
Quando a população possui características que permitem a
criação de subconjuntos, as amostras extraídas por
amostragem simples são menos representativas = Neste
caso, é mais adequado utilizar a amostragem estratificada
Neste tipo de amostragem, os elementos da amostra serão
proporcionais ao número de elementos desses subconjuntos
na população
•
Seção 4
Seção 5
Seção 3
Seção 2Seção 1











 ç
ç

í
“ é ç


 ç á
ç





53
nX

 
1N
nN
.
nX



 










n
Ze




n
Ze


•
•
•
•





1

N
nN


  
Teoria da Amostragem - Profa. Rilva - GESME
Teoria da Amostragem - Profa. Rilva - GESME
Teoria da Amostragem - Profa. Rilva - GESME

Teoria da Amostragem - Profa. Rilva - GESME